ii

iii

iv

KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa karena atas berkat dan rahmat-Nya,
laporan Tugas Akhir berjudul ³Penggunaan Teknik Simulasi untuk Penentuan
Sales to Stock Ratio dan Replenishment to Revenue Ratio GL 7RNR ;´ dapat
diselesaikan dengan lancar. Tugas Akhir ini diajukan untuk memenuhi syarat
dalam mencapai derajat Sarjana Teknik Industri pada Program Studi Teknik
Industri, Fakultas Teknologi Industri, Universitas Atma Jaya Yogyakarta. Oleh
karena itu penulis ingin menyampaikan rasa terima kasih kepada :
a. Bapak Dr. A. Teguh Siswantoro, M.Sc., selaku Dekan Fakultas Teknik Industri
Universitas Atma Jaya Yogyakarta
b. Ibu Ririn Diar Astanti, S.T., M.MT., D.Eng., selaku Kepala Program Studi Teknik
Industri, Universitas Atma Jaya Yogyakarta dan sebagai Dosen Pembimbing 1
yang telah membimbing pelakasanan dan penyusunan Tugas Akhir.
c. Bapak Anugrah Kusumo Pamosoaji, S.T., M.T., sebagai Dosen Pembimbing 2
yang telah membimbing pelaksanaan dan penyusunan Tugas Akhir.
d. Bapak Andi dan keluarga yang telah berkenan memberi izin dan membantu
melakukan penelitian di Toko X.
e. Keluarga penulis yang selalu memberi semangat, doa dan dukungan berupa
materi sehingga penulis dapat melaksanakan dan menyusun Tugas Akhir
dengan baik dan lancar.
f. Agatha Purwita Indriani yang selalu memberikan semangat, doa dan dukungan
kepada penulis sehingga penulis dapat melaksanakan dan menyusun Tugas
Akhir dengan baik dan lancar.
g. Teman-teman Paguyuban EKM Pringwulung Gereja St. Yohanes Rasul
Pringwulung yang telah memberikan semangat dan doa sehingga penulis dapat
menyelesaikan Tugas Akhir dengan baik dan lancar.
h. Teman-teman penulis yang terdiri dari teman-teman kampus, teman-teman
Senat Mahasiswa FTI, teman-temen payungan dan teman-teman SMA yang
memberika dukungan dan smangat kepada penulis sehiingga penulis dapat
menyelesaikan Tugas Akhir dengan baik dan lancar

v

Yogyakarta, 28 Juli 2020


Penulis

vi

DAFTAR ISI

BAB JUDUL HAL
Halaman Judul i
Halaman Pengesahan ii
Halaman Originalitas iii
Kata Pengantar iv
Daftar Isi vi
Daftar Tabel viii
Daftar Gambar ix
Intisari xii

1 Pendahuluan
1.1. Latar Belakang 1
1.2. Perumusan Masalah 2
1.3. Tujuan Penelitian 3
1.4. Batasan Masalah 3

2 Tinjauan Pustaka dan Dasar Teori
2.1. Tinjauan Pustaka 4
2.2. Dasar Teori 5

3 Metodologi Penelitian
3.1. Tahap Pendahuluan 17
3.2. Studi Litelatur 18

vii

3.3. Tahap Penelitian 19

4 Analisis Data Transaksi
4.1. Data 22
4.2. Pengolahan Data 22
4.3. Penentuan Target Penjualan 26

5 Tahapan Simulasi untukPenentuan Sales to Stock Ratio dan Persentase
Kulakan
5.1. Influence Diagram 28
5.2. Analisis Input 33
5.3. Membuat Model Simulasi dengan Microsoft Excel 41
5.4. Merchandise Planning 81

6. Kesimpulan dan Saran
6.1. Kesimpulan 85
6.2. Saran 85

Daftar Pustaka xiii

viii

DAFTAR TABEL
Tabel 4.1. Target Penjualan 27
Tabel 5.1. Distribusi Jumlah Pelanggan per Hari 39
Tabel 5.2. Hasil Distribusi Nilai Pembelian 40
Tabel 5.3. Target Penjualan 50
Tabel 5.4. Distribusi Leadtime Pengiriman 54
Tabel 5.5. Hasil t-test Jumlah Transaksi 63
Tabel 5.6. Hasil t-test Nilai Pembelian 64
Tabel 5.7. Hasil Descriptive Statistic Alternatif 4 69
Tabel 5.8 Hasil Descriptive Statistic Alternatif 8 70
Tabel 5.9 Hasil Descriptive Statistic Alternatif 7 70
Tabel 5.10.T-Test:Two-Sample Assuming Equal Variances Aternatif 4&8 72
Tabel 5.11.T-Test:Two-Sample Assuming Equal Variances Alternatif 8&7 73
Tabel 5.12. Hasil Descriptive Statistic Alternatif 2 77
Tabel 5.13. Hasil Descriptive Statistic Alternatif 6 78
Tabel 5.13. Hasil Descriptive Statistic Alternatif 1 78
Tabel 5.14.T-Test:Two-Sample Assuming Equal Variances Alternatif 2&6 80
Tabel 5.14.T-Test:Two-Sample Assuming Equal Variances Alternatif 2&6 81
Tabel 5.15. Biaya Operasional 84

ix

DAFTAR GAMBAR
Gambar 2.1. Langkah Simulasi 10
Gambar 3.1. Diagram Alir 16
Gambar 4.1. Screenshot Data Penjualan Toko X 22
Gambar 4.2. Screenshot Hasil Pembersihan Data 23
Gambar 4.3. Screenshot Hasil Penggabungan Data Transaksi 24
Gambar 4.4. Screenshot Rekapan Jumlah Transaksi per Hari 25
Gambar 4.5. Screenshot Nilai Pembelian 26
Gambar 4.6. Screenshot Data Masa Lalu Total Penjualan Bulanan 27
Gambar 5.1. Influence Diagram 29
Gambar 5.2. Screenshot Data Transaksi 33
Gambar 5.3. Transformasi Data Transaksi per Hari 34
Gambar 5.4. Screenshot Data Transaksi per Hari .dst 34
Gambar 5.5. Screenshot Program Arena 35
Gambar 5.6. Screenshot Input Analyzer 35
Gambar 5.7. Screenshot Arena 36
Gambar 5.8. Screenshot Memilih File 36
Gambar 5.9. Input Data Arena 37
Gambar 5.10. Langkah Fit All 37
Gambar 5.11. Hasil Arena 38
Gambar 5.12. Screenshot Grafik Distribusi dari Jumlah Transaksi 38
Gambar 5.14. Screenshot Grafik Distribusi Nilai Pembelian 40
Gambar 5.15. Screenshot Variabel Keputusan 41
Gambar 5.16. Screenshot Parameter Simulasi 42
Gambar 5.17. Screenshot Tingkat Suku Bunga Bank Indonesia 43

x

Gambar 5.18. Screenshot Ukuran Performansi 44
Gambar 5.19. Screenshot Rumus Hari 44
Gambar 5.20. Rumus Jumlah Pelanggan 45
Gambar 5.21. Screenshot Rumus Countdown 46
Gambar 5.22. Screenshot Rumus Harga Beli Penjualan 47
Gambar 5.23. Rumus Harga Beli Barang di Retail 48
Gambar 5.24. Screenshot Rumus Pendapatan 49
Gambar 5.25. Screenshot Rumus Target Penjualan 50
Gambar 5.26. Screenshot Rumus Nilai Stok 51
Gambar 5.27. Screenshot Rumus Nilai yang Tersisa 52
Gambar 5.28. Rumus Frekuensi Kulakan 53
Gambar 5.29. Screenshot Rumus Leadtime Kulakan 54
Gambar 5.30. Screenshot Rumus Pesanan Datang 55
Gambar 5.31. Screenshot Rumus Nilai Kulakan 56
Gambar 5.32. Rumus Nilai Barang yang Disimpan 56
Gambar 5.33. Screenshot Total Biaya Simpan 57
Gambar 5.34. Screenshot Rumus Nilai Stock Out 58
Gambar 5.35. Screenshot Biaya Transportasi 59
Gambar 5.36. Screenshot Rumus Profit 59
Gambar 5.37. Screenshot Rumus Profit per Hari 60
Gambar 5.38. Screenshot Rumus Nilai Kulakan per Bulan 61
Gambar 5.39. Screenshot Data Distribusi & Data Asli Jumlah Transaksi 62
Gambar 5.40. Input t-test Jumlah Transaksi 63
Gambar 5.41. Screenshot Data Distribusi & Data Asli Nilai Pembelian 64
Gambar 5.42. Screenshot Cuplikan Hasil Replikasi Profit 66

xi

Gambar 5.43. Screenshot Rumus Halfwidth Profit 67
Gambar 5.44. Screenshot Cuplikan Hasil Replikasi ke-2 Rata-rata Profit 68
Gambar 5.45. Screenshot Hasil Replikasi Rata-rata Profit 68
Gambar 5.46. Descriptive Statistic 69
Gambar 5.47. Batas Atas dan Bawah Rata-rata Profit 71
Gambar 5.48. t-Test: Two-Sample Assuming Equal Variances 72
Gambar 5.49. Cuplikan Replikasi Evaluasi Target Penjualan 74
Gambar 5.50. Screenshot Hasil Perhitungan Replikasi 75
Gambar 5.51. Cuplikan Hasil Replikas-2 Evaluasi Target Penjualan 76
Gambar 5.52. Screenshot Hasil Replikasi Evaluasi Target Penjualan 76
Gambar 5.53. Batas Atas dan Bawah Evaluasi Target Penjualan 79
Gambar 5.54. Screenshot Kontribusi Penjualan per Bulan 82
Gambar 5.55. Persentase Penjualan 82
Gambar 5.56. Screenshot Target Penjualan Periode Mendatang 83
Gambar 5.57. Screenshoot Reduction 83
Gambar 5.58. EOM dan BOM 84

xii

INTISARI
Toko X merupakan toko retail modern yang menjual berbagai macam kebutuhan
pokok manusia seperti beras, rokok, dan semacamnya. Toko X bertempat di
Dusun Pringwulung yang tepatnya berada di Jalan Cendrawasih No.321,
Pringwulung, Condongcatur, Depok, Sleman, Yogyakarta. Di sekitar Toko X
banyak terdapat toko retail lainnya, sehingga Toko X harus melakukan analisis
terhadap pejualannya agar dapat mendapatkan keuntungan maksimal.
Penelitian dilakukan dengan mengunakan metode data mining dan teknik simulasi
untuk mencari kentungan maksimal yang bisa didapatkan oleh Toko X. Metode
data mining bertujuan untuk mencari informasi tersembunyi yang terdapat dalam
data transaksi. Teknik simulasi digunakan untuk melakukan simulasi terhadap data
penjualan dari Toko X guna mendapat keuntungan maksimal. Meto de
merchandise planning digunakan untuk mencari target penjualan Toko X untuk
periode selanjutnya
Hasil dari penelitian ini adalah nilai dari sales to stock ratio, periode kulakan, batas
diperbolehkan kulakan dan persentase kulakan yang akan diusulkan kepada
pemilik Toko X guna mendapatkan keuntungan maksimal. Hasil lain dari penelitian
ini berupa target penjualan untuk periode selanjuatnya yang akan diusulkan untuk
Toko X
Kata kunci : retail, data mining, simulasi, merchandise planning, sales to stock
ratio, persentase kulakan, target penjualan.

1

BAB 1
PENDAHULUAN
Bab satu menjelaskan mengenai latar belakang, rumusan masalah, tujuan
penelitian dan batasan masalah.
1.1. Latar Belakang
Pertumbuhan retail di Indonesia mulai dari Januari 2001±Juni 2019 rata±rata
meningkat sebesar 10.1 % (CEIC Data, 2019). Pada tahun 2019 ini ada 4.300
gerai retail yang akan ditutup karena penjualannya makin lesu. Secara global
terdapat 155 juta meter persegi lahan ditutup akibat dari gerai retail yang bangkrut
(Mangkuto, 2019). Menurut pernyataan dari Satria Hamid selaku Vice Presiden
Corporate Comunication dari Trans Retail Indonesia, penyebab banyaknya retail
yang tutup dikarenakan ketatnya persaingan baik secara offline maupun
persaingan dengan penjualan dalam bentuk online shop (Fauzie, 2019). Akibat
dari persaingan tersebut, beberapa retail mengalami kesulitan dalam menjual
produknya. Oleh karena itu retail dituntut untuk lebih efisien, misalnya dalam hal
menentukan jenis dan jumlah barang yang harus disediakan sehingga mengurangi
risiko barang tidak terjual.
Toko X merupakan toko retail yang menyediakan kebutuhan sembako yang
terletak di Dusun Pringwulung, Daerah Istimewa Yogyakarta. Lokasi Toko X
adalah di pinggir Jalan Cendrawasih yang terletak dekat dengan perkampungan
warga Dusun Pringwulung. Lokasi ini cukup strategis dan mudah dijangkau oleh
konsumen. Toko ini menjual kebutuhan sembako dan rumah tangga mulai dari
rokok hingga kebutuhan makan seperti beras, telur dan semacamnya. Di sekitar
Toko X banyak toko retail yang juga menjual produk serupa. Karena memiliki
banyak pesaing maka Toko X harus mengoptimalkan faktor-faktor yang dapat
berpengaruh terhadap peningkatan profit. Hal ini dilakukan agar Toko X tidak
mengalami kebangkrutan dan mampu bersaing dengan retail modern lainnya.
Toko X sudah melakukan sistem komputerisasi pada pendataan di bagian
pembelian atau transaksi pelanggan. Data tersebut tersimpan dalam basis data
yang ada dalam aplikasi ipos 4 yang dimiliki oleh Toko X. Selama ini data transaksi
tersebut belum dianalisis. Karena belum adanya analisis tersebut, maka walaupun
sudah ada catatan data transaksi, namun pengambilan keputusan terkait dengan
jumlah uang yang akan digunakan untuk melakukan pembelian barang lagi

2

(kulakan) masih diputuskan berdasarkan intuisi. Selain itu pemilik juga tidak
mengetahui target penjualan yang harus ditetapkan dan juga tidak mengetahui
profit yang bisa didapatkan untuk setiap periodenya.
Karena belum adanya evaluasi terhadap data penjualan yang ada maka sewaktu-
waktu Toko X dapat mengalami kehilangan pendapatan akibat terjadi lost sales
yang disebabkan oleh tidak adanya barang yang ingin dibeli oleh konsumen
sehingga transaksi tidak terjadi. Selain dapat terjadi lost sales, Toko X juga dapat
menanggung biaya simpan yang besar akibat barang yang ada menumpuk terlalu
banyak. Maka dari itu perlu dilakukan pemanfaatan data transaksi untuk
perencanaan penjualan agar bisa didapatkan profit maksimal.
Salah satu metode pengolahan data adalah dengan menggunakan metode data
mining. Dengan menggunakan data mining didapatkan informasi yang dapat
berguna untuk kemajuan Toko X dengan mengacu pada tahapan dari data mining
yaitu Knowledge Discovery from Data (KDD). Hasil dari KDD dapat digunakan
untuk analisis selanjutnya.
Pada studi kasus di Toko X, hasil dari KDD selanjutnya akan dijadikan masukan
pada teknik simulasi untuk dapat menirukan sistem nyata di Toko X sehingga
dapat ditentukan sales to stock ratio, batas diperbolehkan kulakan, persentase
kulakan dan periode kulakan yang merupakan variabel yang berpengaruh untuk
mendapatkan profit maksimal. Sedangkan target penjualan ditentukan melalui
merchandise planning.
1.2. Rumusan Masalah
Berdasarkan latar belakang yang ada di penelitian ini maka dapat dirumuskan
bahwa :
a. Bagaimana menentukan sales to stock ratio, periode kulakan, batas
diperbolehkan kulakan dan persentase profit untuk Toko X?
b. Bagaimana menentukan target penjualan untuk periode selanjutnya dari Toko
X?

3

1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah :
a. Memberikan usulan untuk sales to stock ratio, periode kulakan, batas
diperbolehkan kulakan dan persentase profit yang dipakai untuk kulakan agar
mendapatkan profit maksimal.
b. Memberikan usulan untuk target penjualan dari Toko X untuk periode
selanjutnya.
1.4. Batasan Masalah
Terdapat beberapa batasan masalah di dalam penelitian ini. Batasan masalah
digunakan untuk membantu penelitian agar dapat mencapai tujuan dari penelitian
ini. Batasan masalah tersebut adalah :
a. Data penjualan yang digunakan adalah data dari Maret 2019±September 2019.
b. Data penjualan yang dipakai merupakan data yang ada di program ipos 4 yang
berbentuk Microsoft Excel.

4

BAB 2
TINJAUAN PUSTAKA DAN DASAR TEORI
Bab ini berisi mengenai tinjauan pustaka berupa penelitian terdahulu yang sudah
pernah dilakukan. Penelitian terdahulu digunakan sebagai referensi untuk
melaksanakan penelitian ini. Penelitian terdahulu yang dijadikan referensi
diantaranya adalah penelitian yang berkaitan dengan data mining dan simulasi.
Selain itu bab ini juga menjelaskan dasar teori mengenai data mining, retailing,
dan simulasi dan juga merchandise planning guna mendukung penelitian ini.
2.1. Tinjauan Pustaka
Tinjauan pustaka digunakan untuk mengetahui penelitian terdahulu yang akan
dijadikan referensi. Tinjauan pustaka yang ada dalam penelitian ini di antaranya
adalah :
2.1.1. Data Mining
Pengolahan data dengan menggunakan data mining memiliki berbagai metode
yang dapat diterapkan, diantaranya adalah: : 1) Data Mining Association Rule
(Maharani dkk, 2007; Chen dkk, 2006). Kedua penelitian ini mempunyai hasil
berupa usulan layout berdasarkan hubungan kedekatan. Metode ini juga
mendapatkan hasil berupa analisis keputusan penjualan barang di periode
selanjutnya (Prayitno & Rasim, 2018; Setyo & Wardhana, 2019). 2) Data Mining
Clustering (Jabat & Murdani, 2019). Penelitian ini mempunyai hasil berupa aplikasi
pengambil keputusan untuk melihat pola penjualan. 3) Data Mining Market Basket
Analytic (Griva dkk, 2018). Penelitian ini menghasilkan hubungan dari barang yang
dibeli oleh konsumen guna menyusun layout. 4) Data Mining Algoritma C4.5
(Winanta, 2017; Eska, 2016). Penelitian dengan metode ini bertujuan untuk
mencari memprediksi banyaknya penjualan dan faktor-faktor yang mempengaruhi
penjualan di periode tertentu. 5) Data Mining Regresi Linier (Kamal dkk, 2017).
Penelitian ini juga bertujuan untuk memprediksi banyaknya penjualan produk di
periode tertentu.
2.1.2. Simulasi
Penelitian ini didasari oleh beberapa penelitian terdahulu yang berkaitan dengan
simulasi. Penelitian tersebut menggunakan : 1) Metode Monte Carlo (Arief & Aji,
2013; Mahessya dkk, 2017; Syahrin dkk, 2019; Nasution, 2016). Penelitian

5

pertama bertujuan untuk mencari total biaya persediaan minimal dan titik reorder
poin (ROP) yang harus dipesan. Penelitian kedua mempunyai tujuan untuk
mengevaluasi sistem antrian dan melakukan optimasi pada tingkat pelayanan.
Penelitian ketiga bertujuan melakukan simulasi penjualan untuk memberikan
usulan mengenai persediaan barang untuk tahun selanjutnya sesuai dengan
permintaan pasar. Penelitian keempat bertujuan untuk memprediksi penjualan
barang untuk mengantisipasi terjadi lost sales. 2) Simulasi Event Diskrit
(Dzulkaidah & Kusumastuti, 2014). Penelitian ini bertujuan untuk mengkaji sistem
persediaan dan mencari konfigurasi dari sistem persediaan lain yang dapat
meningkatkan efisiensi pengelolaan dengan parameter total biaya persediaan dan
tingkat pelayanan konsumen.
2.2. Dasar Teori
Dasar teori menjelaskan mengenai teori-teori yang nantinya akan mendasari di
dalam penelitian ini. Dasar teori tersebut di antaranya adalah:
2.2.1. Data mining
a. Pengertian Data Mining
Menurut Aprilia dkk (2013) definisi dari data mining merupakan suatu penggalian
dari makna tersembunyi yang terdapat di dalam sekumpulan data yang banyak.
Oleh karena itu data mining memiliki beberapa cabang di bidang basis data,
pembelajaran mesin, kecerdasan buatan dan statistika.
Menurut Larose (2005) data mining adalah analisis yang digunakan dengan
peninjauan dari kumpulan data yang bertujuan menemukan hubungan dari data
yang tidak terduga dan meringkas data yang sangat banyak menggunakan cara
yang berbeda dengan cara yang sebelumnya yang dapat bermanfaat dan
dipahami oleh pemilik data.
b. Pengelompokkan Teknik Data Mining
Dalam mengelompokkan data terbagi menjadi 3 kategori sebagai berikut:
(Vulandari, 2007):
i. Classification
Teknik ini merupakan teknik yang mengacu pada kekuatan dan atribut yang
terdapat pada kelompok yang sudah didefinisikan. Kegunaannya adalah
memberikan suatu kategori pada sebuah data baru dengan cara memanipulasi

6

suatu data yang telah diklasifikasikan dan hasil dari pengkategorian tersebut
digunakan untuk memberikan beberapa aturan.
ii. Association
Teknik ini digunakan sebagai pengenalan kelakuan untuk kejadian-kejadian yang
khusus ataupun sebuah proses dimana munculnya hubungan asossiasi dalam
setiap kejadian.
iii. Clustering
Teknik ini dapat berfungsi untuk analisis pengelompokan data. Teknik ini mirip
dengan klasifikasi, yang membedakan adalah pengelompokan dari data belum
diartikan pada saat tool dari data mining belum dijalankan.
c. Tahapan Data Mining
Menurut Han, dkk (2012) Knowledge Discovery from Data atau sering disebut KDD
merupakan rangkaian dari data mining. Langkah-langkah dari KDD di antaranya
adalah :
i. Pembersihan Data (Data Cleaning)
Berfungsi sebagai seleksi sekaligus membuang data yang tidak diperlukan. Data
tersebut merupakan data-data yang tidak konsisten maupun data yang bersifat
noise.
ii. Intregasi Data (Data Integration)
Menggabungkan beberapa data dari berbagai sumber.
iii. Pemilihan Data (Data Selection)
Mengambil data yang relevan dengan penelitian dari database untuk bisa
dimanfaatkan.
iv. Transformasi Data (Data Transformation)
Mengubah data menjadi bentuk yang sesuai untuk pengembangan.
v. Aplikasi Teknik Data Mining
Mengekstraksi suatu pola dari kumpulan data.
vi. Evaluasi Pola yang Ditemukan
Penginterpretasian dari pola guna menjadi suatu pengetahuan yang digunakan
dalam pengambilan keputusan.
vii. Presentasi pengetahuan
Pengaplikasian teknik dengan menggunakan teknik visualisasi.

7

2.2.2. Retailing
a. Pengertian Retail
Menurut Kotler (2001) definisi retail adalah semua kegiatan yang memiliki aktivitas
menjual barang ataupun jasa secara langsung kepada pelanggan guna digunakan
secara pribadi.
Menurut Utami (2010) retail terkait dengan aktivitas yang sedang dijalankan maka
retail diartikan sebagai kegiatan yang berfungsi untuk memecah produk yang
dihasilkan dan di distribusi dalam jumlah yang besar atau masal sehingga dapat
dikonsumsi oleh konsumen akhir dalam jumlah yang kecil sesuai kebutuhan dari
konsumen.
b. Klasifikasi Retail
Menurut Berman & Evan (2004) klasifikasi toko eceran adalah sebagai berikut :
i. Kepemilikan.
Menurut kepemilikan pengecer dibagi menjadi 2 yaitu: (1) Pengecer Independent
yaitu retail dimiliki oleh kemitraan atau seseorang dan bukan bagian dari suatu
toko retail eceran yang lebih besar. (2) Toko berantai yaitu toko yang dimiliki suatu
kelompok organisasi.
ii. Tingkat pelayanan
Tingkat pelayanan terdiri dari suatu rangkaian sebuah pelayanan sendiri sampai
pelayanan penuh.
iii. Keragaman produk
Keragaman produk merupakan kelengkapan produk yang dijual di toko tersebut.
Banyaknya variasi produk merupakan faktor penunjang kedatangan konsumen.
iv. Harga
Harga merupakan salah satu cara untuk mempromosikan toko ecer. Toko diskon,
pengecer obral dan factory outlet merupakan toko-toko yang menjual barang
dengan harga rendah.
2.2.3. Simulasi
a. Pengertian Simulasi
Menurut Hasan (2002) simulasi adalah sebuah model dari pengambilan keputusan
yang cara penerapannya dengan mencontoh ataupun mempergunakan gambaran
dari situasi sebenarnya di kehidupan nyata tanpa harus mengalaminya pada
keadaan yang sesungguhnya.

8

Menurut Kelton (2003) simulasi merupakan teknik yang digunakan untuk meniru
operasi ataupun proses yang terjadi di dalam sebuah sistem menggunakan
bantuan dari perangkat komputer dan mempunyai landasan beberapa asumsi
sehingga sistem dapat dipelajari secara ilmiah.
Menurut Banks (2014) simulasi adalah sebuah tiruan dari operasi atau sistem
dunia nyata dari waktu ke waktu. Simulasi dapat dilakukan dengan tangan ataupun
komputer dan melibatkan generasi sejarah buatan suatu sistem. Pengamatan
sejarah buatan digunakan untuk menarik kesimpulan tentang karakteristik operasi
sistem nyata.
b. Jenis Model Simulasi
Menurut Banks (2014) ada 2 jenis model yaitu:
i. Matematika
Model ini menggunakan notasi simbolik dan persamaan matematika untuk
mewakili suatu sistem, contohnya adalah perkiraan tentang sistem operasi.
ii. Fisik
Model Fisik adalah model untuk membuat versi yang lebih besar ataupun lebih
kecil dari sebuah objek, contohnya adalah simulasi penerbangan dan mock-up
restoran cepat saji.
c. Keuntungan Simulasi
Menurut Pegden, dkk [1995] beberapa keuntungan dari simulasi diantaranya
adalah :
i. Dapat melakukan simulasi tanpa mengganggu sistem nyata.
ii. Dapat mencoba atau menguji simulasi tanpa memerlukan sumber daya.
iii. Dapat menguji kelayakan dari hipotesis mengenai fenomena yang terjadi.
iv. Dapat mengatur waktu untuk mempercepat dan memperlambat fenomena
yang sedang diteliti.
v. Mendapat wawasan mengenai interaksi variabel dan pentingnya variabel
terhadap sistem kerja
vi. Membantu memahami bagaimana sistem beroperasi
d. Kelemahan Simulasi
Menurut Pegden, dkk [1995] beberapa kelemahan dari simulasi diantaranya
adalah :
i. Membutuhkan pelatihan untuk dapat membuat sebuah model.

9

ii. Hasil simulasi sulit diartikan, hasilnya sebagai besar adalah variabel acak
sehingga sulit membedakan apakah merupakan hasil dari keterkaitan sistem
atau sebuah keacakan dari sistem
iii. Pemodelan simulasi dan analisis dapat memakan waktu dan mahal
d. Langkah-langkah Simulasi
Menurut Banks (2014) Teknik simulasi memiliki beberapa tahapan. Gambar 2.1.
merupakan urutan tahapan simulasi.
i. Problem Formulation
Setiap penelitian harus dimulai dengan pernyataan masalah. Perumusan masalah
merupakan pernyataan yang diberikan dari pembuat kebijakan atau mereka yang
memiliki masalah. Masalah tersebut harus jelas dan dipahami dengan jelas oleh
analisis dan pemilik masalah.
ii. Setting of Objectives and Overall Project Plan
Penetapan tujuan menunjukkan pertanyaan atau masalah yang harus
diselesaikan dengan simulasi. Keseluruhan rencana proyek harus mencakup
rencana penelitian dalam hal jumlah orang yang terlibat, biaya penelitian, dan
jumlah hari yang dibutuhkan untuk menyelesaikan simulasi .
iii. Model Conceptualization
Konseptualisasi model dimulai dengan memodelkan dengan sederhana dan
membangun kompleksitas yang lebih besar. Namun kompleksitas model tidak
perlu melebihi yang diperlukan untuk mencapai tujuan dimaksudkan dari model.
iv. Data Collection
Pengumpulan data memiliki interaksi secara konstan dengan pembangunan
model. Jika kompleksitas model berubah maka elemen data yang diperlukan juga
akan berubah. Maka dari itu pengumpulan data memerlukan waktu yang lama dan
harus dimulai sedini mungkin. Biasanya pengumpilan data bersamaan dengan
tahap awal pembangunan model.
v. Model Translation
Pemodelan harus memutuskan apakah akan memprogram mengunakan bahasa
simulasi atau mengunakan perangkat lunak simulasi dengan tujuan khusus.
Bahasa simulasi sangat kuat dan fleksibel. Dengan mengunakan perangkat lunak
simulasi akan mempersingkat waktu pengembangan model.

10

vi. Verified?
Berkaitan dengan program komputer yang disiapkan untuk model simulasi.
Apakah program komputer dapat berfungsi dengan baik? Jika parameter input dan
struktur logis model diwakili dengan benar di komputer, maka verifikasi telah
selesai.

Gambar 2.1. Langkah Simulasi
vii. Validated?
Validasi dicapai melalui kalibrasi model. Proses ini dilakukan dengan
membandingkan model terhadap perilaku sistem aktual yang bertujuan untuk
mendapatkan wawasan untuk meningkatkan model. Proses ini selesai jika model
simulasi sudah dapat meniru ukuran dari sistem.

11

viii. Experimental Design
Alternatif dari sistem yang akan disimulasikan harus ditentukan. Keputusan harus
dibuat mengenai lamanya simulasi berjalan dan jumlah replikasi yang akan dibuat
di simulasi.
ix. Production Runs and Analysis
Digunakan untuk memperkirakan ukuran kinerja untuk desain sistem yang
disimulasikan.
x. More Runs?
Analis menentukan apakah memerlukan langkah tambahan diperlukan dan desain
apa yang harus disertakan dalam eksperimen tambahan.
xi. Documentation and Reporting
Terdapat 2 jenis dokumentasi yaitu program dan kemajuan. Dokumentasi program
diperlukan untuk dapat memahami bagaimana program tersebut beroperasi.
Alasan dari dokumentasi model adalah agar pengguna model dapat mengubah
parameter sesuka hati dalam upaya menemukan parameter input yang dapat
mengoptimalkan beberapa ukuran output kinerja.
Laporan akhir harus mencakup spesifikasi model, peragaan prototipe, animasi,
hasil pelatihan, analisis menengah, dokumentasi program, laporan kemajuan dan
presentasi. Hasil dari semua analisis harus dilaporkan secara singkat dan jelas
dalam laporan akhir. Hal ini dapat digunakan untuk meninjau formulasi akhir,
sistem alternatif yang dibahas, kriteria yang digunakan untuk membandingkan
alternatif, hasil percobaan dan solusi yang direkomendasikan untuk
menyelesaikan masalah.
xii. Implementation
Keberhasilan pada fase ini tergantung pada seberapa baik sebelas langkah
sebelumnya telah dilakukan. Selain itu juga bergantung pada seberapa teliti analis
dalam melibatkan penggunaan model akhir di seluruh proses simulasi.
e. Input Analysis
Menurut Keton (2006) analisis input adalah penentuan parameter model dan
distribusi dari simulasi yang akan dibuat. Ada beberapa jenis input analysis di
antaranya adalah: 1) Pemodelan Kumulatif, 2) Deterministik, 3) Random.

12

f. Output Analysis
Menurut Banks (2014) Analisis output adalah pemeriksaan data yang dihasilkan
oleh simulasi. Tujuannya adalah untuk memprediksi kinerja dari suatu sistem atau
untuk membandingkan kinerja dari 2 atau lebih desain sistem alternatif. Analisis
output dibutuhkan karena didasari pada pengamatan bahwa data yang dihasilkan
dari simulasi menunjukkan hasil yang acak ketika menggunakan bilangan acak
pada variabel input.
2.2.4. Merchandise Planning
a. Pengertian
Menurut Ray (2010) merchandise planning adalah proses untuk memperoleh
barang dan / atau iklan layanan yang membuatnya tersedia di tempat yang tepat,
pada waktu yang tepat, dengan harga yang tepat dan dalam jumlah yang tepat
untuk target pelanggan.
b. Langkah Merchandise Planning
Menurut Ray (2010) ada beberapa langkah untuk menentukan merchandise
planning di antaranya adalah:
i. Memperkirakan Penjualan
Proyeksi pendapatan penjualan yang dapat dicapai, berdasarkan data penjualan
historis, analisis survei dan tren pasar, dan perkiraan tenaga penjualan disebut
sebagai perkiraan penjualan. Perkiraan penjualan dikembangkan untuk menjawab
kasus seperti banyaknya produk yang perlu dibeli, apakah perlu menambahkan
variasi produk dan menentukan harga produk yang akan dijual.
ii. Menentukan Anggaran Barang Dagangan
Anggaran barang dagangan adalah tahap pertama dalam perencanaan barang
dagangan. Ini adalah rencana keuangan, yang memberikan indikasi berapa
banyak yang harus diinvestasikan dalam persediaan produk, yang dinyatakan
dalam istilah moneter. Anggaran barang biasanya terdiri dari: rencana penjualan,
rencana dukungan stok, pengurangan yang direncanakan, tingkat pembelian yang
direncanakan, margin kotor.
Six-month Merchandise plan adalah alat yang menerjemahkan tujuan laba menjadi
kerangka kerja perencanaan merchandise dan kemudian mengendalikannya.
Tujuan utama pembuatan rencana ini adalah untuk mempersiapkan jadwal
pembelian bulan demi bulan untuk organisasi retail.

13

Syarat Six-month Merchandise plan adalah
1. Points to be kept in mind
Anggaran barang dagang harus disiapkan sebelum musim penjulan dan bahasa
anggara harus mudah dimengerti. Selain itu anggaran dagang harus direncanakan
dalam jangka waktu yang relatif singkat karena ekonomi selalu berubah dan
anggaran harus cukup fleksibel sehingga perubahan tidak mustahil.
2. Planned Sales
Penjualan yang diproyeksikan untuk periode yang direncanakan.
3. Planned Purchases
Mewakili barang dagang yang harus dibeli selama periode tertentu. rumus dari
pembelian yang direncanakan adalah = Planned Sales + Planned Reductions +
Planned EOM - Planned BOM
4. Planned Reductions
Penurunan harga, diskon karyawan dan penyusutan inventaris.
5. Planned Markdowns
Pengurangan harga yang terjadi akibat dari kualitas barang dagang yang buruk
dan perubahan tren.
6. Employee Discounts
Diskon yang diberikan kepada karyawan untuk membeli produk perusahaan.
7. Shrinkage
Kehilangan barang karena pencurian.
8. Planned Markup
Markup bervariasi tergantung dari jenis produk, target pasar dan tren di pasar.
Markup = Selling price - Cost price
9. Gross Margin
Perbedaan antara harga jual dan biaya produk. Untuk menentukan gross margin
untuk setiap bulan, semua pembelian dan inventaris harus di konversi ke harga
biaya.
iii. Mengontrol Barang Dagang
Aktivitas ini digunakan untuk memastikan pembeli untuk : Membatasi kelebihan
membeli dan kekurangan membeli, mencegah kehilangan penjualan karena tidak

14

tersedianya stok yang diperlukan, mempertahankan pembelian dalam batas yang
dianggarkan, mengurangi penurunan harga akibat dari pembelian berlebih.
c. Open to Buy (OTB)
i. Pengertian
Menurut Ray (2010) open to buy adalah sistem yang menggontrol barang dagang
yang bertujuan mengendalikan pengadaan barang dagang sehingga ketersediaan
stok di toko ritel pada titik manapun tetap terjaga. Open to buy digunakan untuk
mencocokan penjualan yang direncanakan dan memastikan bahwa target
penjualan pada periode tersebut terlampaui. OTB mengacu pada jumlah barang
dagang saat ini yang dapat dibelanjakan oleh konsumen tanpa melebihi jumlah
stok yang direncanakan.
ii. Keuntungan
Menurut Ray (2010) ada beberapa keuntungan sistem OTB, diantaranya adalah:
1. Bergantung pada penjualan di bulan tersebut. Pembelian barang dapat
disesuaikan.
2. Bertindak sebagai pembatasan keuangan terhadap pembelian yang berfungsi
untuk memastikan bahwa ritel tidak memiliki tingkat stok yang lebih besar dari
yang direncanakan.
3. Memastikan bahwa jumlah stok cukup tersedia untuk memaksimalkan potensi
penjualan.
4. Memperhatikan hubungan antara stok dan penjualan.
5. Adanya batasan under buying dan over buying.
6. Mencegah terjadi lost sales.
7. Memperhatikan pembelian dalam batas yang dianggarkan.
8. Mengurangi penurunan harga yang diakibatkan kelebihan pembelian.
iii. Input Open to buy
Menurut Ray (2010) ada beberapa input open to buy, diantaranya adalah:
1. Forcast sales : perkiraan penjualan di masa depan.
2. Periode cover : pengecer memiliki stok barang yang cukup untuk memenihi
persyaratan sejumlah periode tertentu.
3. Opening stock : stok fisik pada awal periode.
4. Intake requirement : dihitung dengan mengurangi opening stock dari stock
requirement.

15

5. On order : brang yang sudah dipesan dan jatuh tempo untuk pengiriman.
Informasi tersebut didapatkan dari sistem pembelian.
6. Open to receive : dihitung dengan mengurangkan on order dari intake
requirement.
7. Closing stock : dihitung dengan mengambil opening stock, mengurangkan
sales from it lalu menambahkan on order dan open to receive quantities.

85

BAB 6
KESIMPULAN DAN SARAN
6.1. Kesimpulan
a. Didapatkan hasil replikasi dari ukuran performansi rata-rata profit per hari
sebesar : 1) Alternatif 8 dengan periode kulakan 5 hari, batas diperbolehkan
kulakan Rp. 6.000.000 dan persentase kulakan sebesar 80%, 2) Alternatif 4
dengan periode kulakan 4 hari, batas diperbolehkan kulakan Rp. 5.000.000 dan
persentase kulakan sebesar 80%.
b. Didapatkan hasil dari replikasi ukuran performansi evaluasi target penjualan per
bulan dengan: 1) Alternatif 2 dengan sales to stock ratio 1,1 , periode kulakan 5
hari, batas diperbolehkan kulakan Rp. 6.000.000 dan persentase kulakan
sebesar 80%, 2) Alternatif 6 dengan sales to stock ratio 1,1 , periode kulakan 4
hari, batas diperbolehkan kulakan Rp. 5.000.000 dan persentase kulakan
sebesar 80%.
c. Didapatkan merchandise planning untuk periode selanjutnya sebesar Rp.
47.846.820,00 untuk periode 1, Rp. 40.736.514,00 untuk periode 2, untuk Rp.
41.382.232,50 periode 3, Rp. 34.100.272,50 untuk periode 4, Rp.
51.896.565,00 untuk periode 5.
6.2. Saran
Perlu ditambahkan data transaksi yang lebih banyak agar didapatkan hasil yang
akurat dalam penjalanan simulasi.

xiii

DAFTAR PUSTAKA
Arief, S., & Aji, T. (2013). Pengendalian Persediaan menggunakan Simulasi
Berbasis Spreadsheet. Kaunia, Vol. IX, No. 1: 53-62.
Aprilia, D., Baskoro, D. A, Ambarwati, L., & Wicaksana. W., S. (2013). Belajar Data
Mining dengan Rapid Miner. Jakarta : Gramedia Pustaka Utama.
Banks, J. (2014). Discrete-Event System Simulation: Pearson New International
Edition, Edition 5. United States: Pearson Education Limited.
Berman, B., & Evans, J. R. (2004). Retail Management A Strategic Apporoach.
Ninth Editon. New Jersey. Pearson Education International.
CEIC. (2019). Indonesia Pertumbuhan Penjualan Retail,
https://www.ceicdata.com/id/indicator/indonesia/retail-sales-growth,
diakses 8 Oktober 2019.
Chen, Y. L., Chen, J. M., & Tung, C. W. (2006). A Data Mining Approach for Retail
Knowledge Discovery with Consideration of the Effect of Shelf-space
Adjacency on Sales. Decision Support Systems , Vol. 42, No.1: 1503±
1520.
Dzulkaidah, H. N., & Kusumastuti, R. D. (2014). Simulasi Sistem Persediaan Suku
Cadang pada Bisnis Retail Otomotif: Studi Kasus PT Astra Internasional,
Tbk - Isuzu Cabang Daan Mogot, Jakarta Barat. Simulasi Sistem, 1-20.
Eska, J. (2016). Penerapan Data Mining untuk Prediksi Penjualan Wallpaper
menggunakan Algoritma C4.5. Jurnal Teknologi dan Sistem Informasi,
Vol 2, Nomor 2.
Fauzie, Y. (2019). Meneropong Masa Depan Ritel di Tengah Badai Gulung Tikar,
https://www.cnnindonesia.com/ekonomi/20190625115907-92-
406174/meneropong-masa-depan-ritel-di-tengah-badai-gulung-tikar,
diakses 5 November 2019.
Griva, A., Bardaki, C., Pramatari, K., & Papakyriakopoulos, D. (2018). Retail
Business Analytics: Customer Visit Segmentation. Expert Systems with
Applications Using Market Basket Data, Vol 1, Nomer 1.
Han, J., Kamber, M., dan Pei, J., 2012, Data Mining Concepts and Techniques,
Edisi 3, Elsevier Science & Technology, San Francisco.

xiv

Hasan, I., Saat, S,. & Khadafi. (2002). Pokok ± Pokok Materi : Teori Pengambilan
Keputusan. Ghalia Indonesia. Jakarta.
Jabat, J. T., & Murdani. (2019). Penerapan Data Mining pada Penjualan Produk
Retail menggunakan Metode Clustering. Jurnal Pelita Informatika,
Volume 18, Nomor 3.
Kamal, I. M., Hendro , T. P., & Ilyas, R. (2017). Prediksi Penjualan Buku
menggunakan Data Mining di PT. Niaga Swadaya. Seminar Nasional
Teknologi Informasi dan Multimedia 2017.
Kelton, W. D., Sadowski, R. P. & A. S., D., (2003). Simulation with Arena, 3nd
Edition. Singapore: Mc Graw Hill.
Kelton, W.D., Sadowski, R. P., Sturrock, D.T., (2006), Simulation with Arena, 4th
Edition. Singapore: Mc Graw Hill.
Kotler, P. (2001). Manajemen Pemasaran: Analisis, Perencanaan, Implementasi,
dan Kontrol. Jakarta : PT. Prehallindo.
Larose, D. T. (2005). Discovering Knowledge in Data. United States: Wiley-
Interscience
Maharani, Hasibuan, N. A., Silalahi, N., Nasution, S. D., Mesran, Suginam,
Sutiksno, D. U, Nurdiyanto, H., Buulolo, E., Yuhandr. (2017).
Implementasi Data Mining untuk Pengaturan Layout Minimarket dengan
menerapkan Association Rule. Jurnal Riset Komputer, Vol. 4 No. 4.
Mahessya, R. A., Mardianti, L., & Sovia, R. (2017). Pemodelan dan Simulasi
Sistem Antrian Pelayanan Pelanggan menggunakan Metode Monte Carlo
pada PT Pos Indonesia (Persero) Padang. Jurnal Ilmu Komputer, Vol 6,
No 1.
Mangkuto, W. (2019). Makin Lesu, Ada 4.300 Gerai Ritel Bakal Tutup di 2019,
https://www.cnbcindonesia.com/lifestyle/20190304163813-33-
58793/makin-lesu-ada-4300-gerai-ritel-bakal-tutup-di-2019, diakses 30
Oktober 2019.
Nasution, K. N. (2016). Prediksi Penjualan Barang pada Koperasi PT. Perkebunan
Silidak dengan menggunakan Metode Monte Carlo. Jurnal Riset Komputer,
Vol. 3 No. 6.

xv

Pegden, C. D., R. E. Shannon, and R. P. Sadowski (1995), Introduction to
Simulation Using SIMAN,2d ed., McGraw±Hill, New York.
Prayitno, M. H., & Rasim. ( 2018). Analisis Penjualan Produk Retail dengan Metode
Data Mining Asosiasi. Jurnal Kajian Ilmiah, Volume 18, No. 3.
Ray, R., (2010). Supply Chain Management for Retailing. Tata McGraw Hill
Education Private Limited, New Delhi.
Setyo, W. N., & Wardhana, S. (2019). Implementasi Data Mining pada Penjualan
Produk di CV Cahaya Setya mengunakan Algoritma FP-Growth. Jurnal
Petir, Vol. 12, No. 1.
Syahrin, E., Santony, J., & Na'am, J. (2019). Pemodelan Penjualan Produk Herbal
Menggunakan Metode Monte Carlo. Jurnal KomTekInfo, Vol. 5, No. 3.
Utami, C. W. (2010). Manajemen Ritel : Strategi dan Implementasi Ritel Modern.
Jakarta: Salemba Empat.
Vulandari, R. (2007). Data Mining. Surakarta: Gava Media.
Winanta, A. D. (2017). Analisis Prediksi Penjualan Produk Terlaris Distro "Root
Shoes" dengan Aplikasi Android. Surakarta: Universitas Muhammadiyah
Surakarta.